《深度学习企业实战:基于R语言》配套资源

《深度学习企业实战:基于R语言》配套资源

  • 大小:7.74 MB
  • 类型:深度学习
  • 格式:PDF
  • 出版:人民邮电出版社
  • 作者:[英]尼格尔·刘易斯(N.D、Lewis
  • 更新:2021-05-04 10:03:10
vip 立即下载( 7.74 MB )
关注公众号免费下载
版权投诉 / 资源反馈(本资源由用户 蒋迎天 投稿)

给网友们整理深度学习类书籍配套资源,介绍了关于深度学习、R语言、深度学习方面的内容,本书是由人民邮电出版社出版,已被265人关注,由瞿浩漫测试纠错,目前本书在深度学习类综合评分为:7.4分。

深度学习资源推荐

资源介绍

编辑推荐

深度学习是机器学习的一个分支,旨在建立模拟人脑进行分析学习的神经网络。很多知名的科技公司已经部署了深度学习技术来帮助它们解决业务问题。本书侧重于R语言与深度学习的结合,语言通俗易懂,不涉及过多的数学知识,贯穿全书的重点是实践方法,旨在向读者讲解深度学习的企业化应用,并通过R编程来构建各种模型,帮助读者了解企业中应用深度学习的相关案例。本书非常注重实用性,不对读者做过多的技术要求,适合所有想通过R编程来了解深度学习,并对深度学习的商业化应用感兴趣的读者。

内容简介

深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。同时,深度学习也是非常贴近AI的一个技术分支,得到了越来越多人的关注。本书侧重于R语言与深度学习的结合,旨在通过通俗易懂的语言和实用技巧的介绍,帮助读者了解深度学习在商业领域的应用。本书包含12章,涉及基本的R编程技巧和深度学习原理,同时介绍了神经网络和深度学习在商业分析中的应用。除此之外,本书还介绍了神经网络的学习机制、激活函数等内容,并且给出了新闻分类、客户维系方法、消费预测、产品需求预测等实用策略。本书注重实用性,不对读者做过多的技术要求,适合所有想通过R编程来了解深度学习,并对其商业化应用感兴趣的读者。

作者简介

尼格尔·刘易斯(N.D.Lewis)是一位数据科学和预测领域的讲师、作者和研究者。他在华尔街和伦敦从事投资管理工作多年,编著了统计、数据科学和量化模型方面的数本图书,并且在大学里开设深度学、机器学和数据分析应用等方面的课程。

目录

第 1章 如何充分利用本书1

1.1 软件包使用建议 2

1.2 高效使用函数 3

1.3 无需等待 3

1.3.1 勤于动手 4

1.3.2 深度学习的价值 4

1.4 参考资料 5

第 2章 商业分析与神经网络 6

2.1 数据价值创造周期 8

2.2 神经网络简介 9

2.3 模式识别的本质 10

2.3.1 时序模式 12

2.3.2 复杂的商业模式 14

2.4 属性、分类和回归 15

2.4.1 属性 15

2.4.2 回归 16

2.4.3 分类 16

2.5 参考资料 17

第3章 商业中的深度学习 19

3.1 古典游戏让深度学习大放异彩 20

3.2 还有谁希望快速地了解深度学习的强大 21

3.3 改进价值创造链 23

3.4 如何进行智能化营销 24

3.5 客户流失——以及如何增加利润的小技巧 25

3.6 挖掘预测产品需求过程中隐藏的商机 25

3.7 参考资料 27

第4章 神经元和激活函数 29

4.1 人工神经元简介 30

4.2 激活函数 31

4.3 简化数学计算 32

4.4 S型激活函数简介 33

4.5 参考资料 34

第5章 神经网络的学习机制 36

5.1 反向传播算法简介 37

5.2 基本算法的工作原理 38

5.3 关于渐变下降 39

5.4 误差面简介 40

5.4.1 均方根误差 40

5.4.2 局部极小值 40

5.5 关于随机梯度下降的注意事项 43

5.6 参考资料 43

第6章 深度神经网络简介 44

6.1 关于精确预测的常识 45

6.2 在没有知识储备的情况下为复杂的数学关系建模 51

6.3 整合深度神经网络蓝图 53

6.4 深度神经网络的完美剖析 53

6.5 选择最佳层数 54

6.6 参考资料 55

第7章 在线热点新闻分类 57

7.1 在线新闻的特点 58

7.2 如何从网上下载在线新闻样本 59

7.3 一种浏览数据样本的简单方法 61

7.4 如何预处理新闻转发的频率 63

7.5 标准化的重要性 64

7.6 创建训练样本 66

7.7 适合深度神经网络的证明方法 67

7.8 分类预测 69

7.9 需要包含多少个神经元的答案 70

7.9.1 一个关键点 71

7.9.2 核心思想 72

7.10 构建一个更复杂的模型 72

7.11 混淆矩阵 73

7.11.1 table函数 74

7.11.2 测试集上的性能 75

7.12 实践出真知 76

7.13 参考资料 76

第8章 为客户流失建模以促进业务增长 78

8.1 客户流失的原因 79

8.2 电信行业的客户流失 81

8.3 如何将客户流失样本下载到本地硬盘 83

8.4 一种收集数据和查看特征的简单方法 83

8.4.1 转换因子变量 84

8.4.2 转换响应变量 85

8.4.3 清理 86

8.4.4 查看数据 86

8.5 快速构建一个深度神经网络 87

8.6 接收器操作特性曲线下的面积 88

8.7 Tanh激活函数 91

8.8 关于学习率 93

8.9 动量的完整直观指南 95

8.9.1 选择动量值 96

8.9.2 R中的学习率和动量 97

8.10 不平衡类的问题 98

8.11 一种易用的不平衡类解决方案 100

8.11.1 unbalanced软件包 101

8.11.2 运行模型 102

8.11.3 选择模型 103

8.11.4 每种模型的测试集性能 104

8.12 实践出真知 106

8.13 参考资料 106

第9章 产品需求预测 108

9.1 自行车共享系统 109

9.2 数据样本的分布和相关性 110

9.2.1 目标变量 113

9.2.2 预备属性 114

9.2.3 属性规范化 116

9.2.4 训练集 117

9.3 自动化公式生成 117

9.4 弹性反向传播解密 119

9.5 奥卡姆剃刀法则的解释 119

9.6 如何使用奥卡姆剃刀法则 120

9.7 确定性能基准的简单方法 123

9.8 重新训练一个替代模型 124

9.9 如何选择重复的次数 125

9.9.1 一个问题和一个答案 126

9.9.2 查看多次重复的性能 127

9.10 一个建模错误可以严重影响性能 128

9.11 简单模型如何提供稳定的性能 130

9.12 实践出真知 131

9.13 参考资料 132

第 10章 预测客户信用卡消费的艺术 133

10.1 明确信贷的角色 134

10.2 信用卡数据 135

10.3 预处理样本数据 137

10.3.1 处理因子属性 138

10.3.2 处理数值变量 139

10.3.3 创建核心数据帧 139

10.4 一种设计深度神经网络的简单方法 140

10.4.1 一种替代模型 141

10.4.2 一种解释 142

10.5 过度训练的挑战 144

10.6 提早停止的简单策略 146

10.7 实践出真知 147

10.8 参考资料 148

第 11章 客户品牌选择建模简介 151

11.1 品牌选择的概念性框架 152

11.1.1 效用的挑战 152

11.1.2 实际情况 153

11.2 检查样本数据 154

11.3 S型激活函数的实际限制 156

11.3.1 模型精度 157

11.3.2 消失的梯度 158

11.4 深度学习工具箱中必备的一个激活函数 159

11.5 保持技术的秘密 160

11.5.1 一个实际问题 161

11.5.2 重要提示 163

11.6 数据预处理的魔力 164

11.6.1 继续研究消费者品牌选择模型 164

11.6.2 测试集性能 166

11.6.3 修改测试——训练集分割 167

11.7 实践出真知 168

11.8 参考资料 168

第 12章 汽车价格预测 171

12.1 二手车价格的关键因素 172

12.2 下载二手车数据集 173

12.3 评估二手车价格和其他属性的关系 174

12.4 一个简单的数据预处理技巧 178

12.5 快速建立训练集和测试集 180

12.6 充分利用mini batching算法 180

12.6.1 一个问题 181

12.6.2 R中的批量大小 182

12.7 测量和评估模型性能 182

12.8 高效交叉验证的基本要领 183

12.9 一个可以轻松模拟的实用示例 185

12.9.1 一个简单的for循环 185

12.9.2 测试集上的性能 187

12.10 最后的思考 188

12.11 参考资料 189

以上就是本次关于配套资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

深度学习相关资源

  • R语言实战:机器学习与数据分析

    R语言实战:机器学习与数据分析

    大小:76.2 MBR语言电子书

  • 高级R语言编程指南

    高级R语言编程指南

    本书讲述R语言的基础知识,深入介绍R函数式编程、R语言的面向对象特性、程序的调试、代码优化和性能调优等内容,展示了许多必备的技巧

    大小:46 MBR语言电子书

  • 网络数据的统计分析:R语言实践

    网络数据的统计分析:R语言实践

    本书用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。R语言扩展包igraph提供了大量用于网络分析的功能,书中以其作为主要的工具

    大小:28.9 MBR语言应用电子书

  • R语言:从数据思维到数据实战

    R语言:从数据思维到数据实战

    R语言:从数据思维到数据实战 R作者:朱雪宁 等 出版时间:2018 如何从数据中挖掘价值?一是要锻炼数据思维;二是需要选择一个便利快捷的工具。R语言在数据分析方面有着灵活、高效的优势。本书以R语言为基础,深度讲解从数据思维到实战的全过程。在章节组织上,本从R语言简介及优势入手,再到数据读取、清洗、描述、建模等数据分析的各个环节,由浅入深逐个讲解,是一本实务分析中的“R语言指南”。同时,本书采用大量实际案例辅以说明,既

    大小:125.55MBR语言电子书

  • 深度学习精要(基于R语言)

    深度学习精要(基于R语言)

    大小:5.1 MB深度学习电子书

  • R语言与大数据编程实战

    R语言与大数据编程实战

    全方位详细介绍了来源于数据分析、深度学习、人工智能技术等行业的多种多样数据统计分析优化算法,在解读与之有关的R编码时,还探讨了这种优化算法的基本原理、优点和缺点与可用背景

    大小:9.4 MBR语言电子书

  • R语言与数据挖掘最佳实践和经典案例

    R语言与数据挖掘最佳实践和经典案例

    数据挖掘技术已经广泛用于政府机关、银行、保险、零售、电信、医药和研究领域。最近,越来越多的数据挖掘工作开始使用R工具来完成,R是一个用于统计计算和制图的免费软件。在最近的调

    大小:30.5 MBR语言电子书

下载地址

学习笔记

18小时24分钟前回答

深度学习tensorflow基础mnist

软件架构 mnist数据集的识别使用了两个非常小的网络来实现,第一个是最简单的全连接网络,第二个是卷积网络,mnist数据集是入门数据集,所以不需要进行图像增强,或者用生成器读入内存,直接使用简单的fit()命令就可以一次性训练 安装教程 使用到的主要第三方库有tensorflow1.x,基于TensorFlow的Keras,基础的库包括numpy,matplotlib 安装方式也很简答,例如:pip install numpy -i https:……

15小时20分钟前回答

Dlib+OpenCV深度学习人脸识别的方法示例

前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上,这个识别率确实非常高了,但是真实的环境中的准确率有多少呢?我没有这方面的数据,但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能,但是我们可以仔细想想员工人脸识别管理,海关身份证系……

2小时59分钟前回答

PyTorch的深度学习入门之PyTorch安装和配置

前言 深度神经网络是一种目前被广泛使用的工具,可以用于图像识别、分类,物体检测,机器翻译等等。深度学习(DeepLearning)是一种学习神经网络各种参数的方法。因此,我们将要介绍的深度学习,指的是构建神经网络结构,并且运用各种深度学习算法训练网络参数,进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架,使用灵活,学习方便。……